arXiv · cs.AI· Jungsoo Park, Ethan Mendes, Gabriel Stanovsky, Alan Ritter·· 1 天前
EVALCAST用论文任务描述预测LLM基准得分
Anticipatory Evaluation of Language Models: Predicting LLM Benchmark Scores from Descriptions
arXiv:2509.20645v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jungsoo Park, Ethan Mendes, Gabriel Stanovsky, Alan Ritter
研究任务与主要进展
作者提出EVALCAST资源，利用自然语言任务描述在实验前预测LLM评测表现，包含来自1,519篇arXiv论文的2,290组描述—性能数据。基于论文摘要，前沿LLM的绝对性能回归预测仍较困难，但在匹配设置下的成对预测可恢复相对性能排序；截止知识日期之后论文和流式评测的结果相当。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org